Qm ถัว เฉลี่ยเคลื่อนที่

การคาดการณ์แบบอนุกรมเวลาโดยใช้ QM สำหรับ Windows การคาดการณ์แบบซีรีส์โดยใช้ QM สำหรับ Windows. QM for Windows มีความสามารถในการทำนายสำหรับทุกๆวิธีการของซีรีส์เวลาที่เราได้อธิบายไว้จนถึงขณะนี้ QM for Windows มีโมดูลสำหรับการย้ายค่าเฉลี่ยการปรับให้เรียบแบบเร้าใจและปรับความเรียบที่เพิ่มขึ้นและเส้นตรง regression เพื่อแสดงถึงความสามารถในการคาดการณ์ของ QM for Windows เราจะสร้าง exponential smoothing 30 forecast ที่คำนวณด้วยตัวเองสำหรับ PM Computer Services ตารางที่ 15 4 การแก้ปัญหาจะแสดงไว้ใน Exhibit 15 6.Exhibit 15 6. รายการนี้จะปรากฏในหน้า 691 ในฉบับพิมพ์สรุปได้ว่าสรุปการแก้ปัญหาประกอบด้วยการคาดการณ์ต่อระยะเวลาและการคาดการณ์สำหรับรอบระยะเวลาถัดไป 13 รวมถึงสามวิธีในการคาดการณ์ความถูกต้องของค่าเฉลี่ยความคลาดเคลื่อนของค่าเฉลี่ยความเบี่ยงเบนความเบี่ยงเบนสัมบูรณ์ MAD เฉลี่ยและความคลาดเคลื่อนเฉลี่ย MSE อย่างน้อย สี่เหลี่ยมโมดูลหรือโมดูลการถดถอยเชิงเส้นแบบง่ายใน QM สำหรับ Windows สามารถใช้ในการพัฒนาแนวโน้มการคาดการณ์เส้นแนวโน้มโดยใช้โมดูลสี่เหลี่ยมน้อย solu สรุปย่อสำหรับการคาดการณ์ของเส้นแนวโน้มเชิงเส้นที่เราพัฒนาขึ้นสำหรับ PM Computer Services จะแสดงในรูปภาพที่ 15 7. การจัดแสดง 15 7. วิธีการต่อเนื่องของ 691 วิธีการลดเวลาและค่าเฉลี่ยเคลื่อนที่เกี่ยวข้องกับตัวแปรเดียวที่คาดการณ์ไว้เช่น demand to time ในทางตรงกันข้ามการถดถอยเป็นเทคนิคการคาดการณ์ที่วัดความสัมพันธ์ของตัวแปรหนึ่งตัวแปรกับตัวแปรอื่น ๆ ตัวอย่างเช่นหากเราทราบว่ามีบางอย่างที่ทำให้ความต้องการผลิตภัณฑ์เกิดขึ้นในทางที่บางครั้งในอดีตเราอาจต้องการ ระบุความสัมพันธ์ที่หากสิ่งเดียวกันเกิดขึ้นอีกครั้งในอนาคตจากนั้นเราสามารถคาดการณ์ความต้องการจะเป็นตัวอย่างเช่นมีความสัมพันธ์ที่รู้จักกันดีระหว่างความต้องการที่เพิ่มขึ้นในที่อยู่อาศัยใหม่และอัตราดอกเบี้ยที่ลดลงตามลําดับมากมายทั้งอาคารผลิตภัณฑ์และ บริการแสดงความต้องการเพิ่มขึ้นหากที่อยู่อาศัยใหม่เริ่มเพิ่มขึ้นในทำนองเดียวกันการเพิ่มขึ้นของยอดขายของเครื่องเล่นดีวีดีผลในการเพิ่มขึ้นของความต้องการสำหรับดีวีดีที่ง่ายที่สุด f orm ของการถดถอยคือการถดถอยเชิงเส้นซึ่งคุณจะเรียกคืนก่อนหน้านี้เราใช้เส้นแนวโน้มเชิงเส้นสำหรับการคาดการณ์ในส่วนต่อไปนี้เราจะแสดงวิธีการสร้างแบบจำลองการถดถอยสำหรับตัวแปรที่เกี่ยวข้องกับรายการอื่นที่ไม่ใช่เวลาการถดถอยเชิงเส้นการถดถอยเชิงเส้นอย่างง่าย เกี่ยวข้องกับตัวแปรอิสระหนึ่งตัวแปรในรูปของสมการเชิงเส้นการถดถอยเชิงเส้นเกี่ยวข้องกับตัวแปรความต้องการขึ้นกับตัวแปรอิสระดังนั้นเพื่อพัฒนาสมการเชิงเส้นความลาดชัน b และการสกัดกั้นก่อนอื่นต้องคำนวณโดยใช้ข้อมูลต่อไปนี้ อย่างน้อยสี่เหลี่ยมสูตรเราจะพิจารณาการถดถอยในบริบทของตัวอย่างมหาวิทยาลัยรัฐกีฬาแผนกต้องการที่จะพัฒนางบประมาณของปีที่ผ่านมาโดยใช้การคาดการณ์สำหรับฟุตบอลเข้าร่วมฟุตบอลบัญชีเข้าร่วมประชุมสำหรับส่วนใหญ่ของรายได้และผู้อำนวยการกีฬาเชื่อว่า การเข้าร่วมประชุมเกี่ยวข้องโดยตรงกับจำนวนงานที่ได้รับจากทีมผู้บริหารธุรกิจมียอดรวม ตัวเลขการเข้างานประจำปีสำหรับที่ผ่านมา 8 years. Given จำนวนของการเริ่มต้นที่กลับมาและความแข็งแรงของตารางที่ผู้อำนวยการกีฬาเชื่อว่าทีมจะชนะอย่างน้อยเจ็ดเกมในปีหน้าเขาต้องการที่จะพัฒนาสมการถดถอยง่ายสำหรับข้อมูลเหล่านี้เพื่อคาดการณ์การเข้าร่วมประชุม สำหรับความสำเร็จในระดับนี้การคำนวณที่จำเป็นในการคำนวณ a และ b โดยใช้สูตรสี่เหลี่ยมอย่างน้อยจะสรุปไว้ในตารางที่ 15 10 โปรดทราบว่าขนาดของ y ถูกลดลงเพื่อให้การคำนวณด้วยตนเองทำได้ง่ายขึ้นตาราง 15 10 การคำนวณน้อยที่สุดในสี่เหลี่ยม , 1,000 แทนค่าเหล่านี้สำหรับ a และ b ในเส้นสมการเชิงเส้นเรามีดังนั้นสำหรับ x 7 ชนะคาดการณ์การเข้าร่วมประชุมเป็น 18 46 4 06 7 46 88 หรือ 46,880 จุดข้อมูลที่มีการถดถอย บรรทัดที่แสดงไว้ในรูปที่ 15 6 สังเกตเส้นการถดถอยเมื่อเทียบกับจุดข้อมูลก็จะปรากฏว่าข้อมูลตามแนวโน้มที่แตกต่างขึ้นไปในแนวเส้นตรงซึ่งจะบ่งชี้ว่าการคาดการณ์ควรมีความถูกต้องค่อนข้างในความเป็นจริง M ค่า AD สำหรับรูปแบบการคาดการณ์นี้คือ 1 41 ซึ่งแสดงให้เห็นการคาดการณ์ที่ถูกต้องความสัมพันธ์ระหว่างสมการถดถอยเชิงเส้นเป็นตัวชี้วัดความแข็งแรงของความสัมพันธ์ระหว่างตัวแปรอิสระและตัวแปรตามสูตรสูตรค่าสัมประสิทธิ์สหสัมพันธ์คือค่าความสัมพันธ์ ความแข็งแรงของความสัมพันธ์ระหว่างตัวแปรอิสระและตัวแปรอิสระค่าของ r แตกต่างกันไปในช่วง 1 00 ถึง 1 00 โดยมีค่า 1 00 ระบุความสัมพันธ์เชิงเส้นที่แข็งแกร่งระหว่างตัวแปรถ้า r 1 00 ค่าตัวแปรอิสระจะเพิ่มขึ้น ส่งผลให้การเพิ่มขึ้นของค่าตัวแปรอิสระขึ้นอยู่กับตัวแปรที่เหมือนกันถ้า r 1 00 การเพิ่มขึ้นของตัวแปรอิสระจะทำให้เกิดการลดลงของตัวแปรอิสระขึ้นตามค่า r ใกล้ศูนย์แสดงว่ามีความสัมพันธ์เชิงเส้นระหว่างตัวแปรน้อยหรือไม่มีเลย เราสามารถหาสัมประสิทธิ์สหสัมพันธ์สำหรับสมการถดถอยเชิงเส้นที่กำหนดไว้ในตัวอย่างมหาวิทยาลัยของเราโดย subs tituting มากที่สุดของคำคำนวณสำหรับสูตรสี่เหลี่ยมน้อยที่สุดยกเว้น S y 2 ในสูตรสำหรับ r ค่านี้สำหรับค่าสัมประสิทธิ์สหสัมพันธ์ใกล้เคียงกับหนึ่งแสดงความสัมพันธ์เชิงเส้นที่แข็งแกร่งระหว่างจำนวนชัยชนะและการเข้าร่วมบ้านมาตรการอื่น ความแข็งแรงของความสัมพันธ์ระหว่างตัวแปรในสมการถดถอยเชิงเส้นเป็นค่าสัมประสิทธิ์ของการคำนวณมันคำนวณโดยเพียงแค่ squaring ค่าของ r มันบ่งชี้เปอร์เซ็นต์ของการเปลี่ยนแปลงในตัวแปรตามที่เป็นผลมาจากพฤติกรรมของอิสระ ตัวแปรตัวอย่างเช่น r 948 ดังนั้นค่าสัมประสิทธิ์ของการกำหนดคือสัมประสิทธิ์ของการตรวจสอบคือเปอร์เซ็นต์ของการแปรผันในตัวแปรตามที่เป็นผลมาจากตัวแปรอิสระค่านี้สำหรับค่าสัมประสิทธิ์ของการกำหนดหมายความว่า 89 9 ของจำนวนเงิน ของการเปลี่ยนแปลงในการเข้าร่วมประชุมสามารถนำมาประกอบกับจำนวนของชัยชนะโดยทีมที่เหลือ 10 1 เนื่องจากปัจจัยอื่น ๆ ที่ไม่ได้อธิบาย, เช่นสภาพอากาศการเริ่มต้นที่ดีหรือไม่ดีการประชาสัมพันธ์ ฯลฯ ค่าหนึ่งหรือ 100 จะบ่งชี้ว่าการเข้าร่วมประชุมทั้งหมดขึ้นอยู่กับการชนะอย่างไรก็ตามเนื่องจาก 10 1 ของรูปแบบเป็นผลมาจากปัจจัยอื่น ๆ จำนวนข้อผิดพลาดในการคาดการณ์บางอย่างสามารถคาดหวังได้ การประยุกต์ใช้งานด้านวิทยาศาสตร์การพยากรณ์ความต้องการในชีวิตประจำวันของอุตสาหกรรมแก๊สระบบ Gas Vermont เป็นระบบสาธารณูปโภคก๊าซธรรมชาติที่ให้บริการลูกค้าธุรกิจอุตสาหกรรมและที่อยู่อาศัยประมาณ 26,000 แห่งใน 13 เมืองและเมืองในทิศตะวันตกเฉียงเหนือของ Vermont Demand คาดการณ์เป็นส่วนสำคัญของ Vermont Gas Systems s ห่วงโซ่อุปทานที่ทอดยาวข้ามแคนาดาไปยังซัพพลายเออร์ในตะวันตกของแคนาดาเพื่อจัดเก็บสิ่งอำนวยความสะดวกตามท่อ TransCanada ไปยังท่อของ Vermont Gas Systems คำสั่งซื้อก๊าซจะต้องระบุให้กับซัพพลายเออร์อย่างน้อย 24 ชั่วโมงล่วงหน้า Vermont Gas Systems มีพื้นที่จัดเก็บข้อมูลสำหรับพื้นที่เก็บข้อมูลบัฟเฟอร์เท่านั้น การใช้ก๊าซ 1 ชั่วโมงดังนั้นการคาดการณ์ความต้องการก๊าซทุกวันอย่างถูกต้องจึงเป็นสิ่งจำเป็นระบบเมิร์นแก๊สใช้การถดถอยเพื่อคาดการณ์ปริมาณสำรอง ความต้องการก๊าซธรรมชาติในรูปแบบการคาดการณ์ของความต้องการก๊าซเป็นตัวแปรขึ้นอยู่กับและปัจจัยต่างๆเช่นข้อมูลสภาพอากาศและความต้องการของลูกค้าอุตสาหกรรมเป็นตัวแปรอิสระในช่วงฤดูหนาวลูกค้าใช้ก๊าซมากขึ้นเพื่อให้ความร้อนทำให้การพยากรณ์อากาศที่ถูกต้องเป็นปัจจัยที่สำคัญมากรายละเอียด 3 การคาดการณ์สภาพอากาศในวันนี้มีให้กับ บริษัท Vermont Gas Systems ห้าครั้งต่อวันจากการพยากรณ์อากาศการพยากรณ์ความถดถอยส่วนบุคคลได้รับการพัฒนาสำหรับลูกค้าอุตสาหกรรมและเทศบาลขนาดใหญ่ 24 แห่งเช่นโรงงานโรงพยาบาลและโรงเรียนความต้องการใช้งานขั้นปลาย ของเครื่องใช้ก๊าซธรรมชาติทั้งหมดในระบบการเปลี่ยนแปลงทุกวันเป็นลูกค้าใหม่ย้ายเข้าบ้านใหม่อพาร์ทเม้นหรือธุรกิจเพิ่มเครื่องใหม่หรืออุปกรณ์ระบบสาธารณูปโภคใช้เฉพาะล่าสุด 30 วันของข้อมูลความต้องการในการพัฒนาคาดการณ์ของ โมเดลและปรับปรุงโมเดลเป็นประจำทุกสัปดาห์ Vermont Gas Systems ตีความผลลัพธ์ของรูปแบบการคาดการณ์และเสริมด้วย ความรู้ของแต่ละบุคคลของระบบการจัดจำหน่ายห่วงโซ่และการใช้งานของลูกค้าในการพัฒนาโดยรวมคาดการณ์รายวันที่ถูกต้องของความต้องการก๊าซ บริษัท ก๊าซโคลัมเบียในโอไฮโอซึ่งเป็น บริษัท ย่อยของเวอร์จิเนียที่ใช้กลุ่มพลังงานโคลัมเบียเป็นสาธารณูปโภคก๊าซธรรมชาติที่ใหญ่ที่สุดในโอไฮโอที่มีเกือบ 1 3 ล้านคนในกว่า 1,000 ชุมชนโคลัมเบียจ้างสองประเภทของการพยากรณ์รายวันการออกแบบวันคาดการณ์และการพยากรณ์การดำเนินงานประจำวันการคาดการณ์วันออกแบบใช้เพื่อกำหนดจำนวนของก๊าซอุปทานความสามารถในการขนส่งและความจุที่โคลัมเบียต้องการที่จะตอบสนอง ความต้องการของลูกค้าเป็นสิ่งสำคัญมากที่การคาดการณ์วันออกแบบจะมีความถูกต้องหากไม่เป็นเช่นนั้นโคลัมเบียอาจไม่สามารถทำสัญญาจัดหาก๊าซจากซัพพลายเออร์ได้เพียงพอซึ่งอาจสร้างปัญหาการขาดแคลนและทำให้ลูกค้าของ บริษัท ได้รับความเสี่ยง วัสดุสิ้นเปลืองมีความสมดุลกับความต้องการที่คาดการณ์ไว้ในช่วง 5 วันถัดไปใช้เพื่อสร้างความสมดุลของอุปสงค์และอุปทานในแต่ละวัน Th e คาดการณ์กระบวนการคล้ายคลึงกับสองประเภทของการคาดการณ์ Columbia ใช้การวิเคราะห์การถดถอยพหุคูณตามความต้องการประจำวันเป็นเวลา 2 ปีและสภาพอากาศหลายตัวแปรอิสระที่เกี่ยวข้องเพื่อพัฒนาพารามิเตอร์ของแบบจำลองการคาดการณ์แบบอนุกรมสำหรับการพยากรณ์วันออกแบบและรายวัน การคาดการณ์การดำเนินงานแหล่ง M Flock การคาดการณ์ความต้องการก๊าซฤดูหนาวประจำวันที่ระบบก๊าซเวอร์มอนต์, Journal of Business Forecasting 13 ฉบับที่ 1 ฤดูใบไม้ผลิปี 2537 2 และ H Catron การคาดการณ์ความต้องการในชีวิตประจำวันของ Columbia Gas สมุดรายวันการพยากรณ์ธุรกิจ 19 ฉบับที่ 2 ฤดูร้อน 2000 105 การวิเคราะห์การถดถอยด้วย Excel. Exhibit 15 8 แสดงสเปรดชีตที่ตั้งขึ้นเพื่อพัฒนาการคาดการณ์การถดถอยเชิงเส้นสำหรับตัวอย่างของกรมการกีฬาของ State University ของเราสังเกตว่า Excel คำนวณค่าความลาดชันโดยตรงกับสูตร SLOPE B5 B12, A5 A12 ที่ป้อนในเซลล์ E7 และแสดงบน แถบสูตรที่ด้านบนสุดของสเปรดชีตสูตรสำหรับการสกัดกั้นในเซลล์ E6 คือ INTERCEPT B5 B12, A5 A12 ค่าสำหรับความลาดชันและการสกัดกั้นเป็นส่วนย่อย ตามลำดับป้อนในเซลล์ E9 และ G9 เพื่อสร้างสมการถดถอยเชิงเส้นค่าสัมประสิทธิ์สหสัมพันธ์ในเซลล์ E13 คำนวณโดยใช้สูตร CORREL B5 B12, A5 A12 แม้ว่าจะไม่มีการแสดงในกระดาษคำนวณค่าสัมประสิทธิ์ของการกำหนด r 2 สามารถคำนวณได้โดย ใช้สูตร RSQ B5 B12, A5 A12.Exhibit 15 8. รายการนี้จะปรากฏในหน้า 696 ใน print version สมการถดถอยเชิงเส้นเดียวกันสามารถคำนวณได้ใน Excel ถ้าเราได้พัฒนาและป้อนสูตรทางคณิตศาสตร์สำหรับการคำนวณความชันและ intercepting ที่เราได้พัฒนาขึ้นในส่วนก่อน ๆ แม้ว่าจะมีการใช้เวลามากและน่าเบื่อนอกจากนี้ยังสามารถพัฒนาแผนภาพการกระจายข้อมูลตัวอย่างของเราเช่นเดียวกับแผนภูมิที่แสดงในรูปที่ 15 6 โดยใช้ตัวช่วยสร้างแผนภูมิใน Excel First , ครอบคลุมข้อมูลตัวอย่างในเซลล์ A5 B12 ในสเปรดชีตใน Exhibit 15 8 คลิกถัดไปที่ Insert บนแถบเครื่องมือที่ด้านบนสุดของสเปรดชีตซึ่งจะมีผลในเมนูที่แสดงใน Exhibit 15 9.Exhibit 15 9.Selec t แผนภูมิจากเมนูนี้ซึ่งจะเข้าถึงหน้าต่างตัวช่วยสร้างแผนภูมิในหน้าต่างตัวช่วยสร้างแผนภูมิเลือกแผนภูมิ XY Scatter จากเมนูชนิดแผนภูมิดังที่แสดงในสิ่งที่จัดแสดงที่ 15 10. การคลิกที่ถัดไปในหน้าต่างในงานจัดแสดง 15 10 จะให้ข้อมูลเบื้องต้น พล็อตของข้อมูลตัวอย่างถ้าคุณลืมที่จะครอบคลุมเซลล์ข้อมูลตัวอย่างของคุณก่อนหน้านี้คุณจะถูกขอให้ทำที่จุดนี้เป็นช่วง A5 B12 การคลิกที่ถัดไปจะช่วยให้คุณสามารถเพิ่มหรือลบตำนานแผนภูมิชื่อแผนภูมิและ แกนและปรับแต่งแผนภูมิของคุณโดยทั่วไปคลิกที่เสร็จสิ้นจะแสดงแผนภูมิในสเปรดชีตของคุณเพื่อให้คุณสามารถวางตำแหน่งย่อขยายขยายหรือใช้งานได้อีกบางส่วนจัดแสดง 15 11 แสดงสเปรดชีตของเราพร้อมแผนภูมิรูปแบบกระจายสำหรับตัวอย่างของเรา data. Exhibit 15 10.Exhibit 15 11.A การคาดการณ์การถดถอยเชิงเส้นสามารถพัฒนาได้โดยตรงกับ Excel โดยใช้ตัวเลือกการวิเคราะห์ข้อมูลจากเมนู Tools ที่เราเข้าถึงก่อนหน้านี้เพื่อพัฒนาการคาดการณ์ที่ได้รับการปรับให้เรียบอย่างรวดเร็ว Exhibit 15 12 แสดง Regr จากหน้าต่างการวิเคราะห์ข้อมูลและการจัดแสดง 15 13 แสดงหน้าต่างการถดถอยครั้งแรกเราใส่เซลล์จาก Exhibit 15 8 ซึ่งมีค่า y สำหรับการเข้าชั้นเรียน B5 B12 ต่อไปเราจะใส่ค่า x ค่าเซลล์ A5 A12 ช่วงเอาท์พุทคือ ตำแหน่งในสเปรดชีตที่คุณต้องการนำเอาต์พุตผลลัพธ์ช่วงนี้ต้องเป็นเซลล์ขนาดใหญ่ 18 เซลล์โดย 9 เซลล์และต้องไม่ทับซ้อนกันกับสิ่งอื่น ๆ ในสเปรดชีตคลิกที่ OK จะทำให้สเปรดชีตปรากฏใน Exhibit 15 14 โปรดทราบว่าข้อมูลสรุป ส่วนของเอาต์พุตได้รับการแก้ไขเล็กน้อยเพื่อให้ผลงานทั้งหมดรวมอยู่ในหน้าจอในส่วนที่จัดแสดง 15 14. สิ่งที่แสดง 15 12. การจัดเก็บ 15 13. การจัดแสดง 15 14 รายการนี้จะปรากฏในหน้า 699 ในฉบับพิมพ์ ส่วนการแสดงผลในส่วนที่ 15 14 จัดเตรียมข้อมูลทางสถิติจำนวนมากคำอธิบายและการใช้ซึ่งอยู่นอกเหนือขอบเขตของข้อความนี้รายการสำคัญที่เราสนใจคือการสกัดกั้นและความลาดชันที่มีข้อความว่า X ตัวแปร 1 ใน th e Coefficients คอลัมน์ที่ด้านล่างของสเปรดชีตและค่าสัมประสิทธิ์สหสัมพันธ์หลายหรือแสดงภายใต้สถิติการถดถอยหมายเหตุ Excel QM ยังมีแมโครสเปรดชีตสำหรับการวิเคราะห์การถดถอยที่สามารถเข้าถึงได้เช่นเดียวกับการคาดการณ์ที่ชี้แจงเรียบใน Exhibit 15 15.Exhibit 15 การวิเคราะห์การถดถอยด้วย QM สำหรับ Windows. QM สำหรับ Windows มีความสามารถในการดำเนินการการถดถอยเชิงเส้นดังที่แสดงไว้ก่อนหน้านี้เพื่อแสดงโมดูลโปรแกรมนี้เราจะใช้ตัวอย่างของมหาวิทยาลัยกีฬาของมหาวิทยาลัยของเราผลลัพธ์ของโปรแกรมรวมถึงสมการเชิงเส้นและค่าสัมประสิทธิ์สหสัมพันธ์ แสดงในส่วนที่ 15 15 การถดถอยมากกับ Excel วิธีการเชิงสาเหตุอีกประการหนึ่งของการคาดการณ์คือการถดถอยแบบหลาย ๆ ส่วนที่มีประสิทธิภาพมากขึ้นของการถดถอยเชิงเส้นการถดถอยเชิงเส้นเกี่ยวข้องกับตัวแปรตามเช่นความต้องการกับตัวแปรอื่น ๆ ที่เป็นอิสระในขณะที่การถดถอยหลายสะท้อนความสัมพันธ์ระหว่าง ตัวแปรอิสระและตัวแปรอิสระสองตัวหรือมากกว่า รูปแบบการถดถอยหลายแบบมีรูปแบบทั่วไปต่อไปนี้เราจะใช้ตัวเลือกการวิเคราะห์ข้อมูล add-in จากเมนู Tools ที่ด้านบนของสเปรดชีตที่เราใช้ในส่วนก่อนหน้าเพื่อพัฒนาสมการถดถอยเชิงเส้นของเราแล้วเราจะใช้การถดถอย จากเมนูการวิเคราะห์ข้อมูลสเปรดชีตที่เกิดขึ้นพร้อมด้วยสถิติการถดถอยพหุคูณจะแสดงอยู่ในงานจัดแสดง 15 16. สิ่งที่แสดง 15 16 รายการนี้จะแสดงอยู่ในหน้า 701 ในฉบับพิมพ์โปรดทราบว่าข้อมูลต้องได้รับการตั้งค่าไว้ใน เพื่อให้ตัวแปร x อยู่ในคอลัมน์ที่อยู่ติดกันในกรณีนี้คอลัมน์ A และ B จากนั้นเราป้อน Input x Range เป็น A4 B12 ดังที่แสดงในสิ่งที่จัดแสดง 15 17 สังเกตว่าเราได้รวมเซลล์ A4, B4 และ C4 ซึ่งรวมถึง ส่วนหัวตัวแปรของเราเช่นชนะโปรโมชันและการเข้าร่วมในช่วงการป้อนข้อมูลโดยการคลิกที่ป้ายข้อความส่วนหัวสามารถวางลงในสเปรดชีตของเราในเซลล์ A27 และ A28 ได้ข้อที่ 15 17 รายการนี้จะปรากฏในหน้า 701 ในฉบับพิมพ์ ค่าสัมประสิทธิ์การถดถอย ents สำหรับตัวแปร x ของเราชนะและโปรโมชันแสดงในเซลล์ B27 และ B28 ในงานจัดแสดง 15 16 ดังนั้นสมการถดถอยพหุคูณมีสูตรเป็น 19,094 42 3,560 99 x 1 0368 x 2 สมการนี้สามารถใช้ในการคาดการณ์ได้ การมีส่วนร่วมในการเข้าร่วมการแข่งขันจากการชนะฟุตบอลที่คาดการณ์ไว้และค่าใช้จ่ายในการส่งเสริมการขายตัวอย่างเช่นถ้าฝ่ายกีฬาคาดว่าทีมจะชนะเกมได้เจ็ดเกมและวางแผนที่จะใช้จ่ายเงิน 60,000 บาทในการโปรโมตและการโฆษณาการเข้าร่วมที่คาดการณ์ไว้คือการคาดการณ์โดยเฉลี่ยที่คาดว่าจะเกิดขึ้น มองไปที่บางส่วนของวิธีการแบบดั้งเดิมที่สุดในการคาดการณ์ แต่หวังว่าอย่างน้อยเหล่านี้เป็นอย่างน้อยแนะนำที่คุ้มค่าบางส่วนของประเด็นการใช้คอมพิวเตอร์ที่เกี่ยวข้องกับการดำเนินการคาดการณ์ในสเปรดชีตในหลอดเลือดดำนี้เราจะดำเนินการต่อโดยเริ่มต้นที่จุดเริ่มต้นและเริ่มทำงานกับการคาดการณ์การเคลื่อนไหวเฉลี่ย. Moving Forecast เฉลี่ยทุกคนคุ้นเคยกับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่โดยไม่คำนึงถึงว่าพวกเขาเชื่อว่าพวกเขาทั้งหมดนักศึกษาวิทยาลัยทำพวกเขาทั้งหมด t ime คิดเกี่ยวกับคะแนนการทดสอบของคุณในหลักสูตรที่คุณจะมีสี่การทดสอบในช่วงภาคการศึกษา Let s สมมติคุณมี 85 ในการทดสอบครั้งแรกของคุณสิ่งที่คุณจะคาดการณ์สำหรับคะแนนการทดสอบที่สองของคุณคุณคิดว่าครูของคุณจะทำนาย สำหรับคะแนนการทดสอบต่อไปคุณคิดว่าเพื่อนของคุณอาจคาดการณ์คะแนนทดสอบต่อไปคุณคิดว่าพ่อแม่ของคุณอาจคาดการณ์คะแนนทดสอบต่อไปของคุณได้โดยไม่คำนึงถึงการทำร้ายทั้งหมดที่คุณอาจทำกับเพื่อนและผู้ปกครองพวกเขาและ ครูของคุณมีแนวโน้มที่จะคาดหวังว่าคุณจะได้รับบางสิ่งบางอย่างในพื้นที่ 85 ที่คุณเพิ่งได้ดีตอนนี้ขอให้สมมติว่าแม้จะมีการโปรโมตด้วยตัวคุณเองให้กับเพื่อนของคุณคุณสามารถประเมินตัวเองและคิดว่าคุณสามารถศึกษาได้น้อยลง สำหรับการทดสอบที่สองและเพื่อให้คุณได้รับ 73. ตอนนี้ทุกสิ่งที่เกี่ยวข้องทั้งหมดและไม่สนใจจะคาดหวังว่าคุณจะได้รับในการทดสอบครั้งที่สามของคุณมีสองแนวทางที่เป็นไปได้มากสำหรับพวกเขาในการพัฒนาประมาณการโดยไม่คำนึงว่าพวกเขาจะแบ่งปันกับ คุณอาจพูดกับ th คนที่แต่งตัวประหลาดนี้เสมอเป่าควันเกี่ยวกับสมาร์ทของเขาเขาจะได้รับอีก 73 ถ้าเขาโชคดีอาจเป็นพ่อแม่จะพยายามที่จะสนับสนุนมากขึ้นและพูดว่าดีเพื่อให้ห่างไกลคุณได้รับ 85 และ 73 ดังนั้นอาจ คุณควรคิดเกี่ยวกับการเกี่ยวกับ 85 73 2 79 ฉัน don t รู้บางทีถ้าคุณไม่ปาร์ตี้และ weren t wagging วีเซิลทั่วสถานที่และถ้าคุณเริ่มทำมากขึ้นการศึกษาคุณจะได้รับคะแนนสูงกว่าทั้งสอง ประมาณการเหล่านี้เป็นจริงการคาดการณ์โดยเฉลี่ยของการเคลื่อนที่ครั้งแรกใช้เฉพาะคะแนนล่าสุดของคุณในการคาดการณ์ประสิทธิภาพในอนาคตของคุณซึ่งเรียกว่าการคาดการณ์ค่าเฉลี่ยเคลื่อนที่โดยใช้ข้อมูลระยะเวลาหนึ่งวินาทีนอกจากนี้ยังมีการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ แต่ใช้ข้อมูลสองช่วง ให้สมมติว่าคนเหล่านี้ทั้งหมด busting ในใจที่ดีของคุณมีการจัดประเภทของ pissed คุณปิดและคุณตัดสินใจที่จะทำดีในการทดสอบที่สามด้วยเหตุผลของคุณเองและใส่คะแนนที่สูงขึ้นในด้านหน้าของพันธมิตรของคุณคุณจะทดสอบและคะแนนของคุณ เป็น 89 คนทุกคนรวมทั้งตัวคุณเอง เป็นที่ประทับใจดังนั้นตอนนี้คุณมีการทดสอบขั้นสุดท้ายของภาคการศึกษาที่กำลังจะมาถึงและตามปกติคุณรู้สึกว่าจำเป็นที่จะต้องกระตุ้นให้ทุกคนเข้าสู่การคาดการณ์ของพวกเขาเกี่ยวกับวิธีที่คุณจะทำในการทดสอบครั้งล่าสุดดีหวังว่าคุณจะเห็นรูปแบบตอนนี้หวังว่า คุณจะเห็นรูปแบบที่คุณเชื่อว่าเป็นที่ถูกต้องมากที่สุดในขณะที่เราทำงานตอนนี้เรากลับไปที่ บริษัท ทำความสะอาดใหม่ของเราโดยน้องสาวที่แยกกันของคุณที่ชื่อว่านกหวีดขณะที่เราทำงานคุณมีข้อมูลการขายในอดีตที่แสดงโดยส่วนต่อไปนี้จาก เราจะนำเสนอข้อมูลสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ย้อนหลังสามช่วงรายการสำหรับเซลล์ C6 ควรเป็นตอนนี้คุณสามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C7 ถึง C11.Notice ค่าเฉลี่ยของการย้ายข้อมูลทางประวัติศาสตร์ล่าสุด แต่อย่างใด ใช้เวลาสามช่วงล่าสุดสำหรับการคาดการณ์แต่ละครั้งนอกจากนี้คุณควรสังเกตด้วยว่าเราไม่จำเป็นต้องทำการคาดการณ์ในช่วงที่ผ่านมาเพื่อพัฒนาการคาดการณ์ล่าสุดของเรา ifferent จากแบบเรียบฉันได้รวมการคาดการณ์ที่ผ่านมาเพราะเราจะใช้พวกเขาในหน้าเว็บถัดไปเพื่อวัดความถูกต้องทำนายตอนนี้ฉันต้องการที่จะนำเสนอผลคล้ายคลึงกันสำหรับสองช่วงคาดการณ์การเคลื่อนไหวเฉลี่ยรายการสำหรับเซลล์ C5 ควรจะ ตอนนี้คุณสามารถคัดลอกสูตรเซลล์นี้ลงไปที่เซลล์อื่น ๆ C6 ถึง C11.Notice ตอนนี้มีเพียงสองชิ้นล่าสุดของข้อมูลทางประวัติศาสตร์ที่ใช้สำหรับการคาดการณ์แต่ละครั้งฉันได้รวมการคาดการณ์ที่ผ่านมาเพื่อวัตถุประสงค์ในการอธิบายและเพื่อใช้ภายหลังในการคาดการณ์ การตรวจสอบความถูกต้องสิ่งอื่น ๆ ที่มีความสำคัญในการแจ้งให้ทราบล่วงหน้าสำหรับการคาดการณ์ค่าเฉลี่ยของระยะเวลา m-m เฉพาะค่าข้อมูลล่าสุดของ m ที่ใช้เพื่อทำนายไม่มีสิ่งใดที่จำเป็นสำหรับระยะเวลาการเคลื่อนที่เฉลี่ยของ m-period เมื่อทำในอดีต คาดการณ์ล่วงหน้าสังเกตว่าการทำนายครั้งแรกเกิดขึ้นในช่วง m 1. ปัญหาเหล่านี้จะมีความสำคัญมากเมื่อเราพัฒนาโค้ดของเราการพัฒนาฟังก์ชัน Average Moving Average ตอนนี้เราจำเป็นต้องพัฒนา รหัสสำหรับการคาดการณ์ค่าเฉลี่ยเคลื่อนที่ที่สามารถใช้ความยืดหยุ่นมากขึ้นโค้ดต่อไปนี้สังเกตว่าปัจจัยการผลิตเป็นจำนวนงวดที่คุณต้องการใช้ในการคาดการณ์และอาร์เรย์ของค่าทางประวัติศาสตร์คุณสามารถจัดเก็บไว้ในสมุดงานที่คุณต้องการใด ๆ MovingAverage ฟังก์ชัน Historical, NumberOfPeriods ในฐานะ Single Declaring และ initializing variables Dim Item เป็นตัวแปร Dim Counter เป็นจำนวนเต็ม Integer Dim เป็น Single Dim HistoricalSize As Integer Initializing variables Counter 1 Accumulation 0 การกำหนดขนาดของอาร์เรย์ HistoricalSize. For สำหรับ Counter 1 ถึง NumberOfPeriods สะสมจำนวนที่เหมาะสมของค่าที่สังเกตก่อนหน้านี้สะสมสะสมข้อมูลประวัติ HistoricalSize - NumberOfPeriods Counter. MovingAverage การสะสม NumberOfPeriods รหัสจะอธิบายในชั้นเรียนคุณต้องการวางตำแหน่งฟังก์ชันในสเปรดชีตเพื่อให้ผลของการคำนวณปรากฏขึ้นที่ควร เช่นต่อไปนี้ไลนิงใช้คุกกี้เพื่อปรับปรุงฟังก์ชันการทำงานและประสิทธิภาพการทำงานและเพื่อให้การโฆษณาที่เกี่ยวข้องกับคุณหากคุณเรียกดูไซต์ต่อไปคุณยินยอมที่จะใช้คุกกี้ในเว็บไซต์นี้ดูข้อตกลงผู้ใช้และนโยบายความเป็นส่วนตัวไซด์ไลฟ์ของเราใช้คุกกี้เพื่อปรับปรุง ฟังก์ชันการทำงานและประสิทธิภาพการทำงานและเพื่อให้คุณได้รับการโฆษณาที่เกี่ยวข้องหากคุณเรียกดูไซต์ต่อคุณยอมรับการใช้คุกกี้ในเว็บไซต์นี้ดูนโยบายส่วนบุคคลและข้อตกลงสำหรับผู้ใช้เพื่อดูรายละเอียดเพิ่มเติมอ่านหัวข้อทั้งหมดที่คุณโปรดปรานในแอ็พพลิเคชัน SlideShare รับ SlideShare เพื่อบันทึกในภายหลังแม้ในออฟไลน์ให้ดำเนินการต่อไปยังไซต์บนมือถือแตะสองครั้ง เพื่อย่อ / ขยายออก Bba 3274 qm week 6 part 2 forecasting. Share this SlideShare. LinkedIn Corporation 2017